计算机视觉和图像识别是经常使用的术语，但前者不仅仅包括分析图片。这是因为，即使对人类来说，“看见”也包括许多其他方面的感知，以及许多分析。人类使用大约三分之二的大脑进行视觉处理，因此计算机需要使用的不仅仅是图像识别来获得正确的视觉效果并不奇怪。

   当然，图像识别本身 – 计算机承担的图像的像素和模式分析 – 是机器视觉过程的一个组成部分，涉及从物体和字符识别到文本和情感分析的所有内容。但正如康奈尔科技计算机科学家Serge Belongie在最近的LDV视觉峰会上指出的那样，今天的图像识别仍然主要是识别基本物体，例如“香蕉或图片中的自行车”。即使是幼儿也能做到这一点，但是计算机视觉的潜力是超人：能够在黑暗中，通过墙壁，远距离观察，并快速和大量地处理所有摄入量。

   最完整意义上的计算机视觉已被用于日常生活和商业中，以执行各种功能，包括警告道路上的动物驾驶员，查找X射线中的医疗疾病，识别产品以及在哪里购买，服务环境编辑图像中的广告等。我们使用计算机视觉扫描社交媒体平台，以找到无法通过传统搜索发现的相关图像。这项技术很复杂，就像所有上述任务一样，它不仅需要图像识别，还需要语义分析和大数据。

   那么，除了图像识别，计算机视觉还有什么用途呢?下面是一些例子和技术

热成像

   人类无法“看到”热量或气体。在许多情况下 – 特别是在火灾，野外掠食者或气体泄漏的情况下 – 这些是人们在感觉到或闻到它们之前想要看到的危险类型。热成像的进步意味着这种能力不仅已经构建到工业和消费者使用的便携式相机中，而且已经构建到智能手机中，如Cat S60所示。最终，此功能将集成到每部手机中。但自然灾害并不是热成像可以帮助的唯一因素。他们可以帮助保持公平的体育竞技，正如今年环法自行车赛上用于检测机械兴奋剂的红外热像仪所证明的那样。

传感器

   检测温度，光线，空气质量，气体和运动的传感器只是计算机视觉中用于识别确切内容的少数传感器。例如，当今一些最智能的建筑使用内置于照明和温度系统中的传感器来检测人员的移动，从而优化光照和能量水平，随着时间的推移变得更加智能。此外，家庭监控系统不仅使用运动传感器来允许内置摄像头跟踪您的狗的运动，还可以将它们与温度和空气质量传感器相结合，以全面了解您离家时的情况。 。同时，店内传感器和信标与摄像机相结合，跟踪购物者的动作，在云中交叉引用它们的“大”行为数据。目标最终是帮助零售商不仅优化商店布局和定价，还实时向客户提供优惠券。

医学影像

   X射线，超声波，核磁共振成像和其他医学测试揭示了我们身体内部正在发生的事情，然后放射科医生和医生进行检查。将图像识别应用于这些图片将允许更快且最终更准确地检测健康异常，从而允许更快的诊断并最终挽救生命。

激光雷达/雷达

   今天的半自动驾驶汽车使用传感器，激光雷达，雷达，摄像头和图像识别来“看到”他们面前的东西。例如，沃尔沃的新款S90具有“大型动物探测”功能，该功能使用雷达和具有图像识别功能的摄像头向驾驶员发出警告，甚至在鹿或驼鹿穿过马路时停车。很可能LIDAR虽然很大，因此导致看起来很笨重的汽车，但最终会减少占用太多空间的3D和其他物体探测设备在未来变得更好。

地理位置

   通过GPS和云访问实时位置，可以极大地识别特定的东西 – 行人，着名的地标或交通繁忙的道路。这有助于Google Photos等程序在标记用户照片集时识别艾菲尔铁塔和东京铁塔之间的区别。地理位置还可以帮助向驾驶员发出警告，告知驾驶员他或她将要骑自行车的人（反之亦然），如果汽车的雷达或大型物体探测摄像头没有首先捕捉它，则增加安全层。

大数据

   从历史流量模式和天气报告到公共在线行为，计算机视觉可以通过云访问的信息有助于识别从热天拍摄的照片到汽车前可能耗尽的照片。对于企业，它可用于跟踪消费者购物模式或了解要显示的广告。

与人类视觉一样，计算机视觉不仅仅是简单地看待事物。它需要连接到许多其他数据收集技术，以提供准确的见解，从而产生更安全的汽车，更智能的家庭和优化的业务。人类大脑的三分之二被用来处理人们的视力。这意味着计算机视觉是人工智能（AI）的重要组成部分，它甚至可能是最重要的部分。